TWI476847B - Defect classification method and defect classification device - Google Patents

Defect classification method and defect classification device Download PDF

Info

Publication number
TWI476847B
TWI476847B TW098109955A TW98109955A TWI476847B TW I476847 B TWI476847 B TW I476847B TW 098109955 A TW098109955 A TW 098109955A TW 98109955 A TW98109955 A TW 98109955A TW I476847 B TWI476847 B TW I476847B
Authority
TW
Taiwan
Prior art keywords
defect
classification
substrate
unit
classification level
Prior art date
Application number
TW098109955A
Other languages
English (en)
Other versions
TW200947580A (en
Inventor
Shuji Iwanaga
Original Assignee
Tokyo Electron Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tokyo Electron Ltd filed Critical Tokyo Electron Ltd
Publication of TW200947580A publication Critical patent/TW200947580A/zh
Application granted granted Critical
Publication of TWI476847B publication Critical patent/TWI476847B/zh

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9501—Semiconductor wafers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/68—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for positioning, orientation or alignment
    • H01L21/681—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for positioning, orientation or alignment using optical controlling means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Description

缺陷分類方法及缺陷分類裝置
本發明係關於根據所被拍攝到的基板圖像，將該基板的缺陷作分類的方法、程式、電腦記憶媒體及缺陷分類裝置。
在例如半導體元件製造中的光微影處理中，係依序進行：在例如半導體晶圓(以下稱之為「晶圓」)上塗佈阻劑液而形成阻劑膜的阻劑塗佈處理、在該阻劑膜曝光預定圖案的曝光處理、將經曝光後的阻劑膜進行顯影的顯影處理等，而在晶圓上形成有預定的阻劑圖案。
在已進行一連串光微影處理之晶圓，進行藉由檢查裝置，針對是否在晶圓表面形成有預定的阻劑膜，或者是否進行適當的曝光處理，甚至是否有損傷、附著異物等進行檢查之所謂的巨觀缺陷檢查。
如上所示之巨觀缺陷檢查係一面使載置有晶圓的載置台移動，一面對該載置台上的晶圓照射照明，藉由例如CCD線感測器的攝像裝置而取入晶圓圖像，將該圖像進行圖像處理而判定有無缺陷(專利文獻1)。
接著，在判定有無缺陷時，係進行使用自以往以來被稱為學習型分類的方法來將缺陷作分類。在學習型分類中，係在事前收集缺陷圖像作為教示用圖像，藉由學習該圖像，可將缺陷作最適分類。
(專利文獻1)日本特開2007-240519號公報
但是，在習知之學習型分類中，為了將缺陷作最適分類，必須預先大量收集缺陷圖像，因此在生產製程開始時，並無法無缺陷圖像地將缺陷作適當分類。此外，當僅使用少數缺陷圖像而將缺陷作分類時，會產生被稱為過度學習之對缺陷圖像的學習過剩適合現象，難以將缺陷作適當分類。
本發明係鑑於如上所示之情形而研創者，目的在於在不具缺陷圖像的情形下或在僅有少數缺陷圖像的情形下，均由所被拍攝到的基板的檢查對象圖像來將該基板的缺陷作適當分類。
為了達成前述目的，本發明係一種缺陷分類方法，係根據所被拍攝到的基板的檢查對象圖像，對該基板的缺陷作分類的缺陷分類方法，其特徵為具有：根據缺陷的特徵量，設定缺陷的分類等級，使前述缺陷的特徵量與前述分類等級的關係記憶在記憶部的設計工程；根據前述所被拍攝到的基板的檢查對象圖像，計算出該基板之缺陷的特徵量的特徵量算出工程；及根據前述所計算出的缺陷的特徵量，由被記憶在前述記憶部內的前述缺陷的特徵量與前述分類等級的關係，將前述基板的缺陷分類成前述分類等級的分類工程，前述設計工程係具有：作成複數缺陷模板的第1工程；將不具缺陷的基板的教示用圖像與前述缺陷模板作合成而生成缺陷模型的第2工程；計算出前述缺陷模型中之缺陷的特徵量的第3工程；針對前述缺陷模型中之缺陷的特徵量，設定缺陷之分類等級的第4工程；及使前述缺陷的特徵量與前述分類等級的關係記憶在前述記憶部的第5工程。
根據本發明，由於預先作成缺陷模板，將該缺陷模板與不具缺陷的教示用圖像作合成而生成缺陷模型，因此可將該缺陷模型作為習知之學習型分類方法中的缺陷圖像加以利用。接著，亦可針對缺陷模型中之缺陷的特徵量，設定缺陷的分類等級，使缺陷的特徵量與缺陷的分類等級的關係記憶在記憶部。因此，在不具缺陷圖像的情形下或在僅有少數缺陷圖像的情形下，均可由所被拍攝到的基板的檢查對象圖像計算出缺陷的特徵量，使用記憶在前述記憶部之缺陷的特徵量與缺陷之分類等級的關係，將基板的缺陷作適當分類。
在前述第2工程中，亦可將前述不具缺陷之基板的教示用圖像與複數的前述缺陷模板作合成而生成前述缺陷模型。
在前述設計工程中，亦可使前述記憶部內之前述缺陷的特徵量及前述分類等級與前述基板所具有之固有資訊相連結。其中，基板所具有的固有資訊係指基板ID、基板的批量ID、基板處理條件、基板處理時間等。
在前述設計工程中，若針對前述同一缺陷的特徵量，該缺陷被設定為不同的分類等級時，亦可進行刪除任一者的分類等級，或是進行刪除雙方的分類等級。
在前述設計工程中，若有具缺陷之基板之教示用圖像時，亦可由前述教示用圖像計算出缺陷的特徵量，針對前述教示用圖像中之缺陷的特徵量，設定缺陷的分類等級，使前述缺陷的特徵量與前述分類等級的關係另外記憶在前述記憶部。
亦可前述基板被分割成複數的檢查區域，在前述特徵量算出工程中，計算出前述各檢查區域之缺陷的特徵量，在前述分類工程中，將前述各檢查區域分類成前述分類等級。
亦可在前述分類工程之後，若確認前述基板之缺陷的前述分類等級，且判斷出該分類等級為錯誤分類時，係將前述記憶部內之前述缺陷的特徵量與前述分類等級的關係進行補正。
亦可在前述分類工程之後，根據預先訂定的複數分類等級與單一分類種類的關係，將前述基板的缺陷分類成前述分類種類。
根據其他觀點的本發明，提供一種程式，其係為了藉由缺陷分類裝置來執行前述缺陷分類方法，在該缺陷分類裝置的電腦上進行動作。
此外，根據其他觀點的本發明，提供一種可讀取之電腦記憶媒體，其特徵為：儲放有前述程式。
另外其他觀點的本發明係一種缺陷分類裝置，係根據所被拍攝到的基板的檢查對象圖像，對該基板的缺陷作分類的缺陷分類裝置，其特徵為具有：根據缺陷的特徵量，設定缺陷的分類等級的設計手段；及根據前述所被拍攝到的基板的檢查對象圖像，將該基板的缺陷分類成藉前述設計手段所被設定的前述分類等級的診斷手段，前述設計手段係具有：記憶有複數缺陷模板的模板記憶部；將不具缺陷的基板的教示用圖像與前述缺陷模板作合成而生成缺陷模型的模型生成部；計算出前述缺陷模型中之缺陷的特徵量，針對該缺陷的特徵量，設定缺陷之分類等級的分類等級設定部；及將前述缺陷的特徵量與前述分類等級的關係進行記憶的記憶部，前述診斷手段係具有：根據前述所被拍攝到的基板的檢查對象圖像，計算出該基板之缺陷的特徵量的特徵量計算部；根據前述所計算出之缺陷的特徵量，由被記憶在前述記憶部內的前述缺陷的特徵量與前述分類等級的關係，將前述基板的缺陷分類成前述分類等級的分類部。
前述模型生成部亦可將不具缺陷之基板的教示用圖像與複數的前述缺陷模板作合成而生成缺陷模型。
前述設計手段亦可具有使前述記憶部內的前述特徵量資料及前述分類等級與前述基板所具有的固有資訊相連結記憶的記憶部履歷管理功能。其中，基板所具有的固有資訊係指基板ID、基板的批量ID、基板處理條件、基板處理時間等。
前述設計手段亦可具有：在前述記憶部內，當針對前述同一缺陷的特徵量，該缺陷被設定為不同的分類等級時，即進行刪除任一者的分類等級，或是進行刪除雙方的分類等級的記憶部檢查功能。
前述設計手段亦可具有由具缺陷之基板的教示用圖像計算出缺陷的特徵量，且針對該缺陷的特徵量，設定缺陷之分類等級的其他分類等級設定部，使前述缺陷的特徵量與前述分類等級的關係另外記憶在前述記憶部。
亦可在前述診斷手段中，具有將前述基板分割成複數檢查區域的前處理部，前述特徵量算出部係計算出前述各檢查區域之缺陷的特徵量，前述分類部係將前述各檢查區域分類成前述分類等級。
前述診斷手段亦可具有將在前述分類部所被分類之基板之缺陷的前述分類等級進行確認的確認部，當在前述確認部中判斷出前述分類等級為錯誤分類時，係將前述記憶部內之前述缺陷的特徵量與前述分類等級的關係進行補正。
前述診斷手段亦可具有進行複數分類等級與單一分類種類之產生對應關係的後處理部，前述後處理部係根據前述產生對應關係，將前述基板的缺陷分類成複數的分類種類。
藉由本發明，在不具缺陷圖像的情形下或僅有少數缺陷圖像的情形下，均可由所被拍攝到的基板的檢查對象圖像來將該基板的缺陷作適當分類。
以下針對本發明之較佳實施形態加以說明。第1圖係顯示本實施形態之搭載有缺陷分類裝置之塗佈顯影處理系統1之構成概略的俯視圖，第2圖係塗佈顯影處理系統1的前視圖，第3圖係塗佈顯影處理系統1的後視圖。
塗佈顯影處理系統1如第1圖所示，具有將以下構件一體連接的構成：將例如25枚晶圓W以匣盒單位由外部對塗佈顯影處理系統1進行搬入搬出，或對匣盒C將晶圓W進行搬入搬出的匣盒站2；以多段配置有在光微影工程中以單片式施行預定處理的複數各種處理裝置的處理站3；及在與該處理站3相鄰接而設的曝光裝置(未圖示)之間作晶圓W之收授的介面站4。
在匣盒站2設有匣盒載置台5，該匣盒載置台5係將複數匣盒C朝X方向(第1圖中的上下方向)自由載置成一列。在匣盒站2設有可在搬送路6上朝向X方向移動的晶圓搬送體7。晶圓搬送體7亦朝被收容在匣盒C之晶圓W的晶圓配列方向(Z方向；鉛直方向)移動自如，可對朝X方向配列的各匣盒C內的晶圓W作選擇性地進出(access)。
晶圓搬送體7可朝Z軸之θ方向旋轉，亦可對後述處理站3側之屬於第3處理裝置群G3的溫度調節裝置60或用以進行晶圓W之收授的轉移裝置61作進出。
與匣盒站2相鄰接的處理站3係具備有以多段配置有複數處理裝置之例如5個處理裝置群G1至G5。在處理站3的X方向負方向(第1圖中的下方向)側，由匣盒站2側依序配置有第1處理裝置群G1、第2處理裝置群G2。在處理站3的X方向正方向(第1圖中的上方向)側，由匣盒站2側依序配置有第3處理裝置群G3、第4處理裝置群G4及第5處理裝置群G5。在第3處理裝置群G3與第4處理裝置群G4之間設有第1搬送裝置A1，在第1搬送裝置A1的內部設有支持且搬送晶圓W的第1搬送臂10。第1搬送臂10係可在第1處理裝置群G1、第3處理裝置群G3及第4處理裝置群G4內的各處理裝置作選擇性地進出，以搬送晶圓W。在第4處理裝置群G4與第5處理裝置群G5之間設有第2搬送裝置A2，在第2搬送裝置A2的內部設有支持並搬送晶圓W的第2搬送臂11。第2搬送臂11係在第2處理裝置群G2、第4處理裝置群G4及第5處理裝置群G5內的各處理裝置作選擇性地進出，以搬送晶圓W。
如第2圖所示在第1處理裝置群G1，係由下依序以5段重疊有：對晶圓W供給預定液體而進行處理的液體處理裝置，例如在晶圓W塗佈阻劑液的阻劑塗佈裝置20、21、22、及形成用以防止曝光處理時之光反射之反射防止膜的底塗裝置23、24。在第2處理裝置群G2係由下依序以5段重疊有：液體處理裝置，例如對晶圓W供給顯影液而進行顯影處理的顯影處理裝置30至34。此外，在第1處理裝置群G1及第2處理裝置群G2的最下段分別設有用以對各處理裝置群G1、G2內的液體處理裝置供給各種處理液的化學室40、41。
如第3圖所示在第3處理裝置群G3係由下依序以7段重疊有：溫度調節裝置60、轉移裝置61、在精度高的溫度管理下將晶圓W進行溫度調節的高精度溫度調節裝置62至64、及缺陷檢查裝置110、110。在缺陷檢查裝置110係連接有缺陷分類裝置200，其如第1圖所示根據藉該缺陷檢查裝置110所被拍攝到的檢查對象圖像來將晶圓W的缺陷作分類。
如第3圖所示在第4處理裝置群G4係由下依序以10段重疊有：例如高精度溫度調節裝置70、將阻劑塗佈處理後的晶圓W作加熱處理的預烤裝置71至74、及將顯影處理後的晶圓W作加熱處理的後烤裝置75至79。
在第5處理裝置群G5係由下依序以10段重疊有：將晶圓W作熱處理的複數熱處理裝置，例如高精度溫度調節裝置80至83、將曝光後晶圓W作加熱處理的曝後烤裝置84至89。
如第1圖所示在第1搬送裝置A1的X方向正方向側配置有複數處理裝置，由下依序以4段重疊有：例如第3圖所示用以將晶圓W作疏水化處理的黏著裝置90、91、將晶圓W進行加熱的加熱裝置92、93。如第1圖所示在第2搬送裝置A2的X方向正方向側係配置有僅將例如晶圓W的邊緣部作選擇性曝光的周邊曝光裝置94。
在介面站4設有：例如第1圖所示在朝向X方向延伸的搬送路100上移動的晶圓搬送體101及緩衝匣盒102。晶圓搬送體101可朝Z方向移動，而且亦可朝θ方向旋轉，可對與介面站4相鄰接的曝光裝置(未圖示)、緩衝匣盒102及第5處理裝置群G5作進出，以搬送晶圓W。
接著，針對上述之缺陷檢查裝置110及缺陷分類裝置200的構成加以說明。
如第4圖所示，缺陷檢查裝置110係具有外殼111。在外殼111的一端側(第4圖中的X方向負方向側)，即為與外殼111的短邊方向相對向的兩側面係分別形成有使晶圓W搬入搬出的搬入搬出口112。在搬入搬出口112分別設有開閉擋門113。
如第5圖所示，在外殼111內設有載置晶圓W的載置台120。該載置台120係具有藉由馬達等旋轉驅動部121而自由旋轉、停止，以調節晶圓W位置的對準功能。在外殼111底面設有由外殼111內的一端側(第5圖中的X方向負方向側)延伸至另一端側(第5圖中的X方向正方向側)的導軌122。載置台120與旋轉驅動部121係被設在導軌122上，可藉由例如脈衝馬達等驅動裝置123而沿著導軌122移動。
在位於外殼111內的一端側且為將晶圓W搬入搬出至外殼111的位置P1(第5圖中以實線表示的位置)設有暫時支持晶圓W的緩衝臂124。緩衝臂124係如第6圖所示在前端具有晶圓W的支持部124a。支持部124a係形成為例如3/4圓環狀。支持部124a之3/4圓環狀的直徑係大於載置台120的直徑，可在支持部124a的內側收容載置台120。支持部124a之3/4圓環狀的切口部分係形成在外殼111內的另一端側(第6圖中的X方向正方向側)，載置台120不會干擾支持部124a而可移動至另一端側。在支持部124a上設有複數支持銷124b，晶圓W係被支持在該支持銷124b上。緩衝臂124的基部124c係被安裝在例如汽缸等升降驅動部125，緩衝臂124係可在載置台120的上下升降。
如第5圖所示在外殼111的另一端側且為調整晶圓W之凹槽部之位置的對準位置P2(第5圖中以虛線表示的位置)設有用以檢測載置台120上之晶圓W之凹槽部之位置的感測器126。一面藉由感測器126檢測凹槽部的位置，一面藉由旋轉驅動部121使載置台120旋轉，可調節晶圓W之凹槽部的位置。
在外殼111內之另一端側(第5圖的X方向正方向側)的側面設有攝像裝置130。在攝像裝置130係使用例如廣角型的CCD攝影機。在外殼111的上部中央附近設有半反射鏡131。半反射鏡131係被設在與攝像裝置130相對向的位置，由鉛直方向傾斜45度而設。在半反射鏡131的上方設有可變更照度的照明裝置132，半反射鏡131與照明裝置132係被固定在外殼111的上面。此外，攝像裝置130、半反射鏡131及照明裝置132係分別設在被載置於載置台120之晶圓W的上方。接著，來自照明裝置132的照明係通過半反射鏡131而朝向下方照射。因此，位於該照射區域之物體的反射光係藉半反射鏡131予以反射而被取入至攝像裝置130。亦即，攝像裝置130係可對位於照射區域的物體進行攝像。接著所被拍攝到的晶圓W的檢查對象圖像係被輸出至缺陷分類裝置200。
如第7圖所示，缺陷分類裝置200係具有：預先根據缺陷的特徵量來設定缺陷之分類等級的設計手段201；及根據藉缺陷檢查裝置110所拍攝到之晶圓W的檢查對象圖像，將晶圓W的缺陷分類成藉設計手段201所設定之分類等級的診斷手段202。
設計手段201係具有在檢查對象圖像被攝像之前被輸入有藉缺陷檢查裝置110所被拍攝到之教示用圖像的教示用圖像輸入部210。以教示用圖像而言，係被輸入有不具缺陷之晶圓W的圖像或具缺陷之晶圓W的圖像的任一者。
被輸入至教示用圖像輸入部210的教示用圖像係被輸出至設計前處理部211。在設計前處理部211中，如第8圖所示，晶圓W的教示用圖像被分割成作為檢查區域的晶片C。其中，檢查區域並非限定於晶片C的區域，使用者可任意設定。
如第7圖所示，設計手段201係具有用以記憶仿照晶圓W缺陷之模板(以下稱之為「缺陷模板」)的模板記憶部212。以缺陷模板的缺陷而言，例如刮痕(擦傷)、微粒、熱點(hot spot)、散焦(defocus)等缺陷被模仿在缺陷模板。缺陷模板係按每個晶片C而作成，例如第9圖所示，在模板記憶部212記憶有：具大致圓形之缺陷D的缺陷模板T(第9圖(a))、具細長橢圓形之缺陷D的缺陷模板T(第9圖(b))、在晶片C全面具有缺陷D的缺陷模板T(第9圖(c))、具多角形之缺陷D的缺陷模板T(第9圖(d))。接著該等缺陷D被標註缺陷編號，而且在缺陷模板T標註識別用編碼(code)且在模板記憶部212內予以管理。
其中，如第10圖所示，以缺陷模板T而言，亦可由在有別於檢查對象之晶圓W之在其他製程所取得之晶圓W中之晶片C的缺陷圖像、與不具缺陷之晶片C的圖像中，僅抽出缺陷M，將該缺陷D的圖像2值化，且使其記憶在模板記憶部212。此外，缺陷模板T係可由使用者任意追加。
當被輸入至教示用圖像輸入部210之教示用圖像為不具缺陷之晶圓W的圖像N1時，在設計前處理部211所被分割的教示用圖像N1係被輸出至模型生成部213。在模型生成部213中，如第11圖(a)所示，將教示用圖像N1及被記憶在模板記憶部212的缺陷模板T作合成，可生成缺陷模型M。缺陷模型M係任意選擇缺陷模板T的明度、缺陷D的大小、缺陷D的位置、缺陷D的角度、缺陷D數量等而予以合成。此外，如第11圖(b)所示，缺陷模型M亦可將教示用圖像N1與複數的缺陷模板T作合成而生成。其中，在模型生成部213亦可設置用以輔助生成缺陷模型M的軟體GUI(Grafical User Interface)。
如第7圖所示，在模型生成部213所生成的缺陷模型M係被輸出至用以設定缺陷模型M中之缺陷D之分類等級的第1分類等級設定部214。在第1分類等級設定部214中，係先計算出缺陷模型M中之缺陷D的特徵量。以缺陷D的特徵量而言，係計算出例如缺陷D的濃淡、顏色等特徵、質地等空間的特徵、或形狀特徵(缺陷D的大小、形狀、長度、寬幅)等幾何學上的特徵。接著針對所被計算出的缺陷D的特徵量，設定缺陷D的分類等級。
此外，當被輸入至教示用圖像輸入部210之教示用圖像為具缺陷的晶圓W的圖像N2時，在設計前處理部211所被分割的教示用圖像N2係被輸出至第2分類等級設定部215。在第2分類等級設定部215中，係計算出教示用圖像N2中之缺陷D的特徵量，針對所被計算出的缺陷D的特徵量，設定缺陷D的分類等級。
在第1分類等級設定部214與第2分類等級設定部215所被設定的缺陷D的特徵量及分類等級係被輸出至記憶部220。
被輸出至記憶部220之缺陷D的特徵量及分類等級係藉由記憶部履歷管理功能221，如第12圖所示，使其與晶圓W所具有之固有資訊(後述之Tag1資訊)等相連結(link)且記憶在記憶部220。在記憶部220中，係按每個缺陷的分類等級(第12圖中的Class)作管理記憶。接著，在各分類等級係連結記憶有缺陷D的編號(第12圖中的Data)、Tag1資訊、Tag2資訊、缺陷D的特徵量資料。以Tag1資訊而言，記憶有：晶圓W的ID、晶圓W的批量ID、已處理晶圓W的元件ID、晶圓W上的階層ID、晶圓W的槽縫ID、晶片C的ID、晶圓W中的晶片C的位置資訊、晶圓W的處理的處方資訊、晶圓W的處理時間等。此外，以Tag2資訊而言，係記憶有：在模型生成部213生成缺陷模型M時之缺陷模板T之使用有無(例如若有使用，即記憶為“0”，若未使用，即記憶為“1”)、缺陷模板T的識別碼、合成條件(缺陷模板T的明度、缺陷D的角度、缺陷D的位置等)等。如上所示在各缺陷D的分類等級連結記憶所附帶的資訊，藉此可將該所附帶的資料的履歷輕易地檢索‧抽出，而可管理被記憶在記憶部220的學習履歷。其中，若在記憶部220可確保充分的資料記憶區域，即可保存缺陷模型M或教示用圖像N1、N2。此外，亦可在設計手段201設置複數的記憶部220。
此外，在記憶部220中，係可藉由第7圖所示之記憶部檢查功能222，檢查是否對同一缺陷D的特徵量記憶有不同的分類等級。接著，如第13圖所示，當對同一缺陷D的特徵量保存有不同的分類等級時，係可將其有無通知使用者，由使用者選擇刪除任一方的分類等級、或者刪除其雙方的分類等級。藉由該功能，可對一缺陷D的特徵量，使一分類等級記憶在記憶部220，而可將缺陷D作適當分類。
如第7圖所示，診斷手段202係具有供輸入藉缺陷檢查裝置110所被拍攝到之晶圓W之檢查對象圖像的檢查對象圖像輸入部230。
被輸入至檢查對象圖像輸入部230的檢查對象圖像係被輸出至前處理部231。在前處理部231中，係與第8圖所示之在設計前處理部211的分割處理相同地，晶圓W的檢查對象圖像E被分割成作為檢查區域之每個晶片C。
在前處理部231所被分割的檢查對象圖像E係如第7圖所示被輸出至特徵量算出部232。在特徵量算出部232中分別計算出檢查對象圖像E之每個晶片C的缺陷D的特徵量。以缺陷D的特徵量而言，係計算出與被記憶在記憶部220的特徵量為相同的參數，例如計算出缺陷D的濃淡、顏色等特徵、質地等空間的特徵、或形狀特徵等幾何學上的特徵。
在特徵量算出部232所被計算出的缺陷D的特徵量係被輸出至將該缺陷D分類成分類等級的分類部233。在分類部233中，係根據被記憶在記憶部220的缺陷D的特徵量與分類等級的關係，使用學習型分類手法，將缺陷分類成分類等級。以學習型分類手法而言，係採用例如類神經網路(Neural network)、k-NN(k-Nearest Neighbar )、TFC(Test Feature Classifier)等手法。其中，為了使記憶部220的資料與如上所示之學習分類手法相對應，在設計手段201設有學習‧訓練部223。在學習‧訓練部223中，係考慮到例如學習效率(計算時間或分類制度)，進行記憶部220內之特徵量資料的「選出‧抽出」、「加權係數的最適化」、「非為有用之資料的刪除」等。此外，當存在複數記憶部220時，係進行其切換‧選擇。
診斷手段202係具有進行複數分類等級與單一分類種類之產生對應關係的後處理部234。在後處理部234中，當例如以分類部233所被分類的分類等級過於細分化等問題時，根據上述分類等級與分類種類的產生對應關係，缺陷D被分類成分類種類。例如若為缺陷D的分類等級Class3至6，缺陷係被分類成分類種類Category1。
診斷手段202係具有可由使用者適時確認在分類部233所被分類的分類等級、或在後處理部234所被分類的分類種類的適當與否的確認部235。在確認部235中，使用者判斷出缺陷D的分類等級或分類種類為錯誤分類時，該缺陷D的特徵量會被輸出至設計手段201的分類等級補正部224。接著，在分類等級補正部224設定正確的分類等級，其結果被輸出至記憶部220，來補正記憶部220內的分類等級。
診斷部202係具有將經分類的缺陷D在晶圓W上可視化而作報告的報告部236。在報告部236中，如第14圖(a)所示，顯示晶圓W上之每個晶片C的缺陷D的分類等級，並且如第14圖(b)所示，顯示缺陷D的分類等級(第14圖(b)中的分類結果)與特徵量的對應表。
其中，具備有設計手段201與診斷手段202的缺陷分類裝置200例如為電腦，具有用以執行上述晶圓W之缺陷分類的程式。前述程式係被記錄在例如硬碟(HD)、光碟(CD)、磁光碟(MO)、記憶卡等電腦可讀取的記憶媒體，亦可由該記憶媒體被安裝在缺陷分類裝置200。
接著，針對藉由如以上所示所構成的缺陷檢查裝置110所進行之晶圓W的缺陷檢查及藉由缺陷分類裝置200所進行之晶圓W的缺陷分類，連同藉塗佈顯影處理系統1全體所進行之晶圓處理製程一起說明。
首先，藉由晶圓搬送體7，由匣盒載置台5上的匣盒C內取出一枚晶圓W，且搬送至第3處理裝置群G3的溫度調節裝置60。被搬送至溫度調節裝置60的晶圓W係被溫度調節成預定溫度，之後藉由第1搬送臂10被搬送至底塗裝置23，形成有反射防止膜。形成有反射防止膜的晶圓W係藉由第1搬送臂10被依序搬送至加熱裝置92、高精度溫度調節裝置70，且在各裝置施行預定處理。之後，晶圓W係被搬送至阻劑塗佈裝置20。
當在阻劑塗佈裝置20中在晶圓W上形成有阻劑膜時，晶圓W係藉由第1搬送臂10而被搬送至預烤裝置71，接著藉由第2搬送臂11依序被搬送至周邊曝光裝置94、高精度溫調裝置83，且在各裝置中施行預定處理。之後，藉由介面站4的晶圓搬送體101被搬送至曝光裝置(未圖示)，在晶圓W上的阻劑膜曝光有預定圖案。曝光處理已結束的晶圓W係藉由晶圓搬送體101而被搬送至曝後烤(Post Exposure Baking)裝置84而施行預定處理。
當曝後烤裝置84中的熱處理結束時，晶圓W係藉由第2搬送臂11而被搬送至高精度溫度調節裝置81而作溫度調節，之後被搬送至顯影處理裝置30，在晶圓W上施行顯影處理，在阻劑膜形成有圖案。之後，晶圓W係藉由第2搬送臂11而被搬送至後烤裝置75，在被施行加熱處理之後，被搬送至高精度溫度調節裝置63而作溫度調節。接著，晶圓W係藉由第1搬送臂10而被搬送至缺陷檢查裝置110，以進行晶圓W的缺陷檢查。關於該缺陷檢查的詳細內容容後補述。之後，晶圓W係藉由第1搬送臂10而被搬送至轉移(transition)裝置61，藉由晶圓搬送體7而被退回匣盒C，一連串光微影工程即結束。
接著，針對缺陷檢查裝置110中之晶圓W的缺陷檢查方法及缺陷分類裝置200中之晶圓W的缺陷分類方法加以說明。
首先，藉由第1搬送臂10而被搬送至外殼111內的晶圓W係被載置於載置台120上。接著，一面使載置台120移動至攝像裝置130側，一面在晶圓W通過半反射鏡131之下時，由照明裝置132對晶圓W照射預定照度的照明。如上所示一面對晶圓W照射照明，一面在攝像裝置130中對晶圓W的圖像進行攝像。所拍攝到的晶圓W的檢查對象圖像E係被輸出至缺陷分類裝置200的檢查對象圖像輸入部230。其中，被拍攝到檢查對象圖像E的晶圓W係在被移動至搬入搬出口112側之後，由緩衝臂124被收授至晶圓搬送體7，藉由該晶圓搬送體7而由缺陷檢查裝置110被搬出。
被輸入至檢查對象圖像輸入部230之晶圓W的檢查對象圖像E係被輸出至前處理部231，按每個晶片C作分割。接著所被分割的檢查對象圖像E係被輸出至特徵量算出部232，由檢查對象圖像E計算出缺陷D的特徵量。
在特徵量算出部232所被計算出的檢查對象圖像E的缺陷D的特徵量係被輸出至分類部233。在分類部233中，係使用學習型分類手法來將缺陷作分類。在本實施形態中，係就使用k-NN(k-Nearest Neighbar)手法作為學習型分類手法的情形加以說明。該k-NN手法係對由特徵量算出部232所被輸入的缺陷D的特徵量，與在特徵量空間上預先儲放在記憶部220的缺陷D的特徵量資料作比較，而輸出最為類似(距離較近)的特徵量資料、亦即最近傍(nearest-neighbar)所屬之分類等級。亦即，藉由增加最近傍的定義(k值)，根據相類似之特徵量資料之上位k個所屬之分類等級的度數分布，輸出更為適合的分類等級。
若具體說明分類部233中的分類方法，首先計算出來自特徵量算出部232之缺陷D的特徵量與記憶部220內之全部特徵量資料的偏差平方和(距離)。接著將所計算出的距離資料依由小而大的順序重新排列。抽出經重新排列之距離資料的上位k個份。找出在所抽出資料的度數分布中度數為最多的分類等級。接著將該分類等級作為缺陷D的分類結果予以輸出。
若如上所示在分類部233所被分類的分類等級為在晶圓W之所有晶片C中可直接使用的分類等級時，該分類等級係被輸出至報告部236。接著在報告部236中，如第14圖(a)所示顯示晶圓W上每一晶片C之缺陷D的分類等級，並且如第14圖(b)所示顯示缺陷D的分類等級與特徵量的對應表。
另一方面，若有在分類部233所被分類的分類等級例如過於細分化等問題時，係在後處理部234中，根據上述之分類等級與分類種類的產生對應關係而將缺陷D分類成分類種類。例如若為缺陷D的分類等級Class3至6，缺陷D係被分類成分類種類Category1。接著，該分類種類被輸出至報告部236，在晶圓W上將每一晶片C的分類種類可視化。
其中使用者係可在確認部235中，適時確認在分類部233所被分類的分類等級、或在後處理部234所被分類的分類種類的適當與否。在確認部235中，當使用者判斷出缺陷D的分類等級或分類種類為錯誤分類時，該缺陷D的特徵量會被輸出至設計手段201的分類等級補正部224。接著，在分類等級補正部224設定正確的分類等級，其結果被輸出至記憶部220。如此使記憶部220的分類等級被補正。
根據以上之實施形態，預先作成缺陷模板T且使其記憶在模板記憶部212，在模型生成部213中將缺陷模板T與不具缺陷的教示用圖像N1作合成而生成缺陷模型M，因此可將該缺陷模型M作為習知之學習型分類方法中的缺陷圖像加以利用。接著在第1分類等級設定部214中，計算出缺陷模型M中的缺陷D的特徵量，對該缺陷D的特徵量設定缺陷D的分類等級，可使缺陷D的特徵量與缺陷D的分類等級的關係記憶在記憶部220。因此，在不具缺陷圖像的情形下或僅有少數缺陷圖像的情形下，均可使用記憶在記憶部220的缺陷D的特徵量與缺陷D的分類等級的關係，根據在特徵量算出部232中所計算出的晶圓W的缺陷D的特徵量，將晶圓W的缺陷D作適當分類。
此外，在設計前處理部211中，將被輸入至教示用圖像輸入部210的圖像分割成作為檢查區域的晶片C，因此可將晶圓W的缺陷D更加細分化而作適當分類。
此外，在記憶部220中，藉由記憶部履歷管理功能221，缺陷D的特徵量及分類等級係與晶圓W所具有之固有資訊(上述之Tag1資訊)等相連結，因此可根據分類等級，將晶圓W的資訊輕易地進行檢索‧抽出，而可管理被記憶在記憶部220的學習履歷。
此外，在記憶部220中，可藉由記憶部檢查功能222來檢查是否對同一缺陷D的特徵量記憶有不同之分類等級。接著當對同一缺陷D的特徵量，該缺陷D被設定為不同的分類等級時，可刪除任一者之分類等級，或者可刪除雙方的分類等級，因此可對於一缺陷D的特徵量，使一分類等級記憶在記憶部220，而可將缺陷D作適當分類。
此外，當被輸入至教示用圖像輸入部210的教示用圖像為具有缺陷的晶圓W的圖像N1時，係在第2分類等級設定部215中，計算出教示用圖像N1中之缺陷D的特徵量，針對所被計算出的缺陷D的特徵量，設定缺陷D的分類等級，因此可使該缺陷D的特徵量與分類等級的關係另外記憶在記憶部220。藉此，可使被記憶在記憶部220的缺陷D的特徵量與分類等級的關係增加，並且被輸入有現實的缺陷資料，因此可提升其精度。
此外，由於在後處理部234中進行複數分類等級與單一分類種類的產生對應關係，因此即使在有例如在分類部233所被分類的分類等級過於細分化等問題的情形下，亦可將缺陷D分類成適當的分類種類。
此外，在確認部235中，使用者可適時確認在分類部233所被分類的分類等級、或在後處理部234所被分類的分類種類的適當與否，因此可防止缺陷D的錯誤分類。此外，在被判斷出分類等級或分類種類為錯誤分類時，係在分類等級補正部224中對該缺陷D的特徵量進行分類等級的補正，因此可更加提升記憶部220內的分類等級的精度。
在以上之實施形態中，係將被輸入至教示用圖像輸入部210的教示用圖像N1、N2、及被輸入至檢查對象圖像輸入部230的檢查對象圖像E分別分割成晶片C，但是亦可將該等教示用圖像N1、N2與檢查對象圖像E不作分割地將晶圓W全體的缺陷D作分類。在該情形下，可如第15圖所示省略設計前處理部211與前處理部231中的分割處理。接著，以被記憶在模板記憶部212的缺陷模板T而言，例如第16圖所示，係採用在晶圓W的上半部分具有缺陷的缺陷模板T(第16圖(a))、在晶圓W的右上1/4具有缺陷的缺陷模板T(第16圖(b))、在晶圓W的周緣部以環狀具有缺陷的缺陷模板T(第16圖(c))、在晶圓W的上半部分的周緣部以等間隔具有複數缺陷的缺陷模板T(第16圖(d))等。此時，以與上述缺陷分類方法為相同的方法，可將晶圓W全體的缺陷D作分類。
以上係一面參照所附圖示，一面針對本發明之較佳實施形態加以說明，惟本發明並非限定於該等例。若為該領域熟習該項技術者，在申請專利範圍所記載之思想範疇內，自然可思及各種變更例或修正例，關於該等，當然亦理解為屬於本發明之技術範圍內。本發明得以採用各種態樣而不限於該例。本發明亦可適用於基板為晶圓以外的FPD(平面顯示器)、光罩用圖罩(Mask Reticle)等其他基板的情形。
 (產業上利用可能性)
本發明係當根據所被拍攝到的基板圖像來對該基板的缺陷作分類時極為有用。
1．．．塗佈顯影處理系統
2．．．匣盒站
3．．．處理站
4．．．介面站
5．．．匣盒載置台
6．．．搬送路
7．．．晶圓搬送體
10．．．第1搬送臂
11．．．第2搬送臂
20、21、22．．．阻劑塗佈裝置
23、24．．．底塗裝置
30至34．．．顯影處理裝置
40、41．．．化學室
60．．．溫度調節裝置
61．．．轉移裝置
62至64．．．高精度溫度調節裝置
70．．．高精度溫度調節裝置
71至74．．．預烤裝置
75至79．．．後烤裝置
80至83．．．高精度溫度調節裝置
84至89．．．曝後烤裝置
90、91．．．黏著裝置
92、93．．．加熱裝置
94．．．周邊曝光裝置
100．．．搬送路
101．．．晶圓搬送體
102．．．緩衝匣盒
110．．．缺陷檢查裝置
111．．．外殼
112．．．搬入搬出口
113．．．開閉擋門
120．．．載置台
121．．．旋轉驅動部
122．．．導軌
123．．．驅動裝置
124．．．緩衝臂
124a．．．支持部
124b．．．支持銷
124c．．．基部
125．．．升降驅動部
126．．．感測器
130．．．攝像裝置
131．．．半反射鏡
132．．．照明裝置
200．．．缺陷分類裝置
201．．．設計手段
202．．．診斷手段
210．．．教示用圖像輸入部
211．．．設計前處理部
212．．．模板記憶部
213．．．模型生成部
214．．．第1分類等級設定部
215．．．第2分類等級設定部
220．．．記憶部
221．．．記憶部履歷管理功能
222．．．記憶部檢查功能
223．．．學習‧訓練部
224．．．分類等級補正部
230．．．檢查對象圖像輸入部
231．．．前處理部
232．．．特徵量算出部
233．．．分類部
234．．．後處理部
235．．．確認部
236．．．報告部
A1．．．第1搬送裝置
A2．．．第2搬送裝置
C．．．晶片
D．．．缺陷
E．．．檢查對象圖像
G1．．．第1處理裝置群
G2‧‧‧第2處理裝置群
G3‧‧‧第3處理裝置群
G4‧‧‧第4處理裝置群
G5‧‧‧第5處理裝置群
M‧‧‧缺陷模型
N1‧‧‧教示用圖像
N2‧‧‧教示用圖像
P1‧‧‧位置
P2‧‧‧對準位置
T‧‧‧缺陷模板
W‧‧‧晶圓
第1圖係顯示裝載有本實施形態之缺陷分類裝置的塗佈顯影處理系統之構成概略的俯視圖。
第2圖係塗佈顯影處理系統的前視圖。
第3圖係塗佈顯影處理系統的後視圖。
第4圖係顯示缺陷檢查裝置之構成概略的橫剖視圖。
第5圖係顯示缺陷檢查裝置之構成概略的縱剖視圖。
第6圖係顯示緩衝臂之構成概略的俯視圖。
第7圖係顯示缺陷分類裝置之構成概略的模式圖。
第8圖係顯示晶圓上之檢查區域的說明圖。
第9圖係例示缺陷模板的俯視圖。
第10圖係顯示生成缺陷模板之態樣的說明圖。
第11圖係顯示生成缺陷模型之態樣的說明圖。
第12圖係顯示被記憶在記憶部內之資料的說明圖。
第13圖係顯示在記憶部內對同一缺陷的特徵量設定不同分類等級之情形的說明圖。
第14圖係顯示在報告部所被報告之缺陷分類的說明圖。
第15圖係顯示其他實施形態中之缺陷分類裝置之構成概略的模式圖。
第16圖係例示晶圓全體之缺陷模板的俯視圖。
200．．．缺陷分類裝置
201．．．設計手段
202．．．診斷手段
210．．．教示用圖像輸入部
211．．．設計前處理部
212．．．模板記憶部
213．．．模型生成部
214．．．第1分類等級設定部
215．．．第2分類等級設定部
220．．．記憶部
221．．．記憶部履歷管理功能
222．．．記憶部檢查功能
223．．．學習‧訓練部
224．．．分類等級補正部
230．．．檢查對象圖像輸入部
231．．．前處理部
232．．．特徵量算出部
233．．．分類部
234．．．後處理部
235．．．確認部
236．．．報告部

Claims (16)

  1. 一種缺陷分類方法，係根據所被拍攝到的基板的檢査對象圖像，對該基板的缺陷作分類的缺陷分類方法，其特徵為具有：根據缺陷的特徵量，設定缺陷的分類等級，使前述缺陷的特徵量與前述分類等級的關係記憶在記憶部的設計工程；根據前述所被拍攝到的基板的檢査對象圖像，計算出該基板之缺陷的特徵量的特徵量算出工程；及根據前述所計算出的缺陷的特徵量，由被記憶在前述記憶部內的前述缺陷的特徵量與前述分類等級的關係，將前述基板的缺陷分類成前述分類等級的分類工程，前述設計工程係具有：作成複數缺陷模板的第1工程；將不具缺陷的基板的教示用圖像與前述缺陷模板作合成而生成缺陷模型的第2工程；計算出前述缺陷模型中之缺陷的特徵量的第3工程；針對前述缺陷模型中之缺陷的特徵量，設定缺陷之分類等級的第4工程；及使前述缺陷的特徵量與前述分類等級的關係記憶在前述記憶部的第5工程。
  2. 如申請專利範圍第1項之缺陷分類方法，其中，在 前述第2工程中，將前述不具缺陷之基板的教示用圖像與複數的前述缺陷模板作合成而生成前述缺陷模型。
  3. 如申請專利範圍第1項之缺陷分類方法，其中，在前述設計工程中，使前述記憶部內之前述缺陷的特徵量及前述分類等級與前述基板所具有之固有資訊相連結。
  4. 如申請專利範圍第1項之缺陷分類方法，其中，在前述設計工程中，若針對前述同一缺陷的特徵量，該缺陷被設定為不同分類等級時，即進行刪除任一者的分類等級，或是進行刪除雙方的分類等級。
  5. 如申請專利範圍第1項之缺陷分類方法，其中，在前述設計工程中，若有具缺陷之基板之教示用圖像時，係由前述教示用圖像計算出缺陷的特徵量，針對前述教示用圖像中之缺陷的特徵量，設定缺陷的分類等級，使前述缺陷的特徵量與前述分類等級的關係另外記憶在前述記憶部。
  6. 如申請專利範圍第1項之缺陷分類方法，其中，前述基板係被分割成複數的檢査區域，在前述特徵量算出工程中，計算出前述各檢査區域之缺陷的特徵量，在前述分類工程中，將前述各檢査區域分類成前述分類等級。
  7. 如申請專利範圍第1項至第6項中任一項之缺陷分類方法，其中，前述分類工程之後，若確認前述基板之缺 陷的前述分類等級，且判斷出該分類等級為錯誤分類時，係將前述記憶部內之前述缺陷的特徵量與前述分類等級的關係進行補正。
  8. 如申請專利範圍第1項至第6項中任一項之缺陷分類方法，其中，前述分類工程之後，根據預先訂定的複數分類等級與單一分類種類的關係，將前述基板的缺陷分類成前述分類種類。
  9. 一種缺陷分類裝置，係根據所被拍攝到的基板的檢査對象圖像，對該基板的缺陷作分類的缺陷分類裝置，其特徵為具有：根據缺陷的特徵量，設定缺陷的分類等級的設計手段；及根據前述所被拍攝到的基板的檢査對象圖像，將該基板的缺陷分類成藉前述設計手段所被設定的前述分類等級的診斷手段，前述設計手段係具有：記憶有複數缺陷模板的模板記憶部；將不具缺陷的基板的教示用圖像與前述缺陷模板作合成而生成缺陷模型的模型生成部；計算出前述缺陷模型中之缺陷的特徵量，針對該缺陷的特徵量，設定缺陷之分類等級的分類等級設定部；及將前述缺陷的特徵量與前述分類等級的關係進行記憶的記憶部，前述診斷手段係具有： 根據前述所被拍攝到的基板的檢査對象圖像，計算出該基板之缺陷的特徵量的特徵量計算部；及根據前述所計算出之缺陷的特徵量，由被記憶在前述記憶部內的前述缺陷的特徵量與前述分類等級的關係，將前述基板的缺陷分類成前述分類等級的分類部。
  10. 如申請專利範圍第9項之缺陷分類裝置，其中，前述模型生成部係將不具缺陷之基板的教示用圖像與複數的前述缺陷模板作合成而生成缺陷模型。
  11. 如申請專利範圍第9項之缺陷分類裝置，其中，前述設計手段係具有使前述記憶部內的前述特徵量資料及前述分類等級與前述基板所具有的固有資訊相連結記憶的記憶部履歷管理功能。
  12. 如申請專利範圍第9項之缺陷分類裝置，其中，前述設計手段係具有：在前述記憶部內，當針對前述同一缺陷的特徵量，該缺陷被設定為不同的分類等級時，即進行刪除任一者的分類等級，或是進行刪除雙方的分類等級的記憶部檢查功能。
  13. 如申請專利範圍第9項之缺陷分類裝置，其中，前述設計手段係具有：由具缺陷之基板的教示用圖像計算出缺陷的特徵量，且針對該缺陷的特徵量，設定缺陷之分類等級的其他分類等級設定部，使前述缺陷的特徵量與前述分類等級的關係另外記憶在前述記憶部。
  14. 如申請專利範圍第9項之缺陷分類裝置，其中， 在前述診斷手段中，具有將前述基板分割成複數檢査區域的前處理部，前述特徵量算出部係計算出前述各檢査區域之缺陷的特徵量，前述分類部係將前述各檢査區域分類成前述分類等級。
  15. 如申請專利範圍第9項至第14項中任一項之缺陷分類裝置，其中，前述診斷手段係具有將在前述分類部所被分類之基板之缺陷的前述分類等級進行確認的確認部，當在前述確認部中判斷出前述分類等級為錯誤分類時，係將前述記憶部內之前述缺陷的特徵量與前述分類等級的關係進行補正。
  16. 如申請專利範圍第9項至第14項中任一項之缺陷分類裝置，其中，前述診斷手段係具有進行複數分類等級與單一分類種類之產生對應關係的後處理部，前述後處理部係根據前述產生對應關係，將前述基板的缺陷分類成複數的分類種類。
TW098109955A 2008-03-27 2009-03-26 Defect classification method and defect classification device TWI476847B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2008082740A JP5156452B2 (ja) 2008-03-27 2008-03-27 欠陥分類方法、プログラム、コンピュータ記憶媒体及び欠陥分類装置

Publications (2)

Publication Number Publication Date
TW200947580A TW200947580A (en) 2009-11-16
TWI476847B true TWI476847B (zh) 2015-03-11

Family

ID=41113512

Family Applications (1)

Application Number Title Priority Date Filing Date
TW098109955A TWI476847B (zh) 2008-03-27 2009-03-26 Defect classification method and defect classification device

Country Status (6)

Country Link
US (1) US8379965B2 (zh)
JP (1) JP5156452B2 (zh)
KR (1) KR101396907B1 (zh)
CN (1) CN101981683B (zh)
TW (1) TWI476847B (zh)
WO (1) WO2009119314A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI723941B (zh) * 2019-10-18 2021-04-01 日商日立全球先端科技股份有限公司 缺陷分類裝置、缺陷分類程式

Families Citing this family (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012026982A (ja) * 2010-07-27 2012-02-09 Panasonic Electric Works Sunx Co Ltd 検査装置
JP5566265B2 (ja) 2010-11-09 2014-08-06 東京エレクトロン株式会社 基板処理装置、プログラム、コンピュータ記憶媒体及び基板の搬送方法
JP5719760B2 (ja) * 2011-12-28 2015-05-20 株式会社日立ハイテクノロジーズ 欠陥分類装置
US9405289B2 (en) * 2012-12-06 2016-08-02 Tokyo Electron Limited Method and apparatus for autonomous identification of particle contamination due to isolated process events and systematic trends
JP5764592B2 (ja) * 2013-02-22 2015-08-19 東京エレクトロン株式会社 基板処理装置、基板処理装置の監視装置及び基板処理装置の監視方法
DE102013109915B4 (de) * 2013-09-10 2015-04-02 Thyssenkrupp Steel Europe Ag Verfahren und Vorrichtung zur Überprüfung eines Inspektionssystems zur Erkennung von Oberflächendefekten
KR101924487B1 (ko) * 2013-12-17 2018-12-03 에이에스엠엘 네델란즈 비.브이. 수율 추산 및 제어
US9613411B2 (en) * 2014-03-17 2017-04-04 Kla-Tencor Corp. Creating defect classifiers and nuisance filters
CN112837266A (zh) 2014-11-24 2021-05-25 基托夫系统有限公司 自动检查
US10650508B2 (en) 2014-12-03 2020-05-12 Kla-Tencor Corporation Automatic defect classification without sampling and feature selection
KR101733018B1 (ko) * 2015-02-25 2017-05-24 동우 화인켐 주식회사 광학 필름의 불량 검출 장치 및 방법
JP6244329B2 (ja) * 2015-05-12 2017-12-06 東京エレクトロン株式会社 基板の検査方法、基板処理システム及びコンピュータ記憶媒体
JP7015235B2 (ja) * 2015-08-05 2022-02-02 ケーエルエー コーポレイション 範囲に基づくリアルタイム走査電子顕微鏡非可視ビナー
JP2017049974A (ja) * 2015-09-04 2017-03-09 キヤノン株式会社 識別器生成装置、良否判定方法、およびプログラム
CN107949813B (zh) * 2016-02-03 2020-06-30 东芝三菱电机产业系统株式会社 制造设备诊断辅助装置及制造设备诊断辅助方法
WO2017203600A1 (ja) * 2016-05-24 2017-11-30 株式会社日立ハイテクノロジーズ 欠陥分類装置および欠陥分類方法
US10402688B2 (en) * 2016-12-07 2019-09-03 Kla-Tencor Corporation Data augmentation for convolutional neural network-based defect inspection
US10395362B2 (en) * 2017-04-07 2019-08-27 Kla-Tencor Corp. Contour based defect detection
US10713534B2 (en) * 2017-09-01 2020-07-14 Kla-Tencor Corp. Training a learning based defect classifier
CN107729635B (zh) * 2017-09-30 2018-12-21 英特尔产品（成都）有限公司 半导体芯片合格性检查方法及装置
CN109685756A (zh) * 2017-10-16 2019-04-26 乐达创意科技有限公司 影像特征自动辨识装置、系统及方法
CN107729540B (zh) * 2017-10-31 2021-04-16 努比亚技术有限公司 照片分类的方法、设备及计算机可存储介质
JP6936957B2 (ja) * 2017-11-07 2021-09-22 オムロン株式会社 検査装置、データ生成装置、データ生成方法及びデータ生成プログラム
JP7087397B2 (ja) 2018-01-17 2022-06-21 東京エレクトロン株式会社 基板の欠陥検査装置、基板の欠陥検査方法及び記憶媒体
CN108734700B (zh) * 2018-04-24 2021-06-11 信利（惠州）智能显示有限公司 基板盲区缺陷检测方法、装置、计算机和存储介质
US10922833B2 (en) * 2018-05-15 2021-02-16 Apical Ltd. Image processing
CN108765389A (zh) * 2018-05-18 2018-11-06 浙江大学 一种微观晶圆表面缺陷图像检测方法
JP2020027424A (ja) * 2018-08-10 2020-02-20 東京エレクトロンデバイス株式会社 学習データ生成装置、判別モデル生成装置、及びプログラム
JP7105135B2 (ja) * 2018-08-17 2022-07-22 東京エレクトロン株式会社 処理条件補正方法及び基板処理システム
CN109596638B (zh) * 2018-10-26 2022-05-06 中国科学院光电研究院 有图形晶圆及掩模版的缺陷检测方法及装置
CN109543720B (zh) * 2018-10-30 2023-10-27 东华大学 一种基于对抗生成网络的晶圆图缺陷模式识别方法
WO2020095909A1 (ja) 2018-11-07 2020-05-14 株式会社 東芝 画像処理装置、画像処理方法及びプログラム
WO2020156769A1 (en) * 2019-01-29 2020-08-06 Asml Netherlands B.V. Method for decision making in a semiconductor manufacturing process
JP7166189B2 (ja) 2019-02-15 2022-11-07 東京エレクトロン株式会社 画像生成装置、検査装置及び画像生成方法
JP7125576B2 (ja) * 2019-02-21 2022-08-25 株式会社 エフケー光学研究所 異物検査装置及び異物検査方法
JP7195977B2 (ja) * 2019-02-28 2022-12-26 デンカ株式会社 基板検査装置、基板検査方法、およびプログラム
JP7194613B2 (ja) * 2019-02-28 2022-12-22 デンカ株式会社 基板の製造方法
CN110210535B (zh) * 2019-05-21 2021-09-10 北京市商汤科技开发有限公司 神经网络训练方法及装置以及图像处理方法及装置
KR20210057518A (ko) * 2019-11-12 2021-05-21 라온피플 주식회사 불량 이미지 생성 장치 및 방법
KR102486230B1 (ko) * 2020-03-20 2023-01-10 라온피플 주식회사 딥러닝을 이용한 신규 제품의 품질 검사 방법 및 시스템
JP7442939B2 (ja) 2020-07-02 2024-03-05 株式会社ディスコ ウエーハの検査方法
CN111912897A (zh) * 2020-08-11 2020-11-10 中国石油大学(北京) 一种管道缺陷信息获取方法、装置、设备及存储介质
KR102542505B1 (ko) 2020-11-17 2023-06-13 (주)자비스 학습데이터 생성 방법, 장치, 프로그램 및 이를 이용한 이물질 검출 방법
KR102632831B1 (ko) * 2023-06-16 2024-02-06 주식회사 애플티 웨이퍼 불량 검출을 위한 ai 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW577995B (en) * 2001-05-11 2004-03-01 Orbotech Ltd An image searching defect detector
US20040252878A1 (en) * 2003-03-28 2004-12-16 Hirohito Okuda Method and its apparatus for classifying defects
US20050058335A1 (en) * 2003-08-27 2005-03-17 Lin Chin Hsiang Defect management method

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6092059A (en) * 1996-12-27 2000-07-18 Cognex Corporation Automatic classifier for real time inspection and classification
JPWO2001041068A1 (ja) * 1999-11-29 2004-01-08 オリンパス光学工業株式会社 欠陥検査システム
US7127099B2 (en) 2001-05-11 2006-10-24 Orbotech Ltd. Image searching defect detector
JP4516253B2 (ja) * 2001-12-04 2010-08-04 オリンパス株式会社 欠陥分類装置
JP4154156B2 (ja) * 2002-02-08 2008-09-24 ソニーマニュファクチュアリングシステムズ株式会社 欠陥分類検査装置
JP3978098B2 (ja) * 2002-08-12 2007-09-19 株式会社日立製作所 欠陥分類方法及びその装置
KR100574648B1 (ko) * 2003-09-25 2006-04-27 동부일렉트로닉스 주식회사 결함 유형 분류 방법 및 시스템
KR100567896B1 (ko) * 2003-12-29 2006-04-04 동부아남반도체 주식회사 자동 결함 분류 방법
JP4418272B2 (ja) * 2004-03-24 2010-02-17 オリンパス株式会社 欠陥分類辞書教示装置
JP2007240519A (ja) 2006-02-08 2007-09-20 Tokyo Electron Ltd 欠陥検査方法、欠陥検査装置及びコンピュータプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW577995B (en) * 2001-05-11 2004-03-01 Orbotech Ltd An image searching defect detector
US20040252878A1 (en) * 2003-03-28 2004-12-16 Hirohito Okuda Method and its apparatus for classifying defects
US20050058335A1 (en) * 2003-08-27 2005-03-17 Lin Chin Hsiang Defect management method

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI723941B (zh) * 2019-10-18 2021-04-01 日商日立全球先端科技股份有限公司 缺陷分類裝置、缺陷分類程式

Also Published As

Publication number Publication date
US20110007961A1 (en) 2011-01-13
KR20100135846A (ko) 2010-12-27
WO2009119314A1 (ja) 2009-10-01
CN101981683A (zh) 2011-02-23
KR101396907B1 (ko) 2014-05-19
JP5156452B2 (ja) 2013-03-06
CN101981683B (zh) 2012-09-19
TW200947580A (en) 2009-11-16
JP2009238992A (ja) 2009-10-15
US8379965B2 (en) 2013-02-19

Similar Documents

Publication Publication Date Title
TWI476847B (zh) Defect classification method and defect classification device
US11782349B2 (en) Methods of determining corrections for a patterning process, device manufacturing method, control system for a lithographic apparatus and lithographic apparatus
TWI676799B (zh) 基板之檢查方法、基板處理系統及電腦記錄媒體
TW201932827A (zh) 基板之缺陷檢查裝置、基板之缺陷檢查方法及記錄媒體
KR101951054B1 (ko) 기판의 기준 화상 작성 방법, 기판의 결함 검사 방법, 기판의 기준 화상 작성 장치, 기판의 결함 검사 유닛 및 컴퓨터 기억 매체
KR101670940B1 (ko) 기판 처리 장치, 기판의 반송 방법, 이상 처리부 판정 방법 및 컴퓨터 기억 매체
JP2011174757A (ja) 欠陥検査方法、プログラム、コンピュータ記憶媒体及び欠陥検査装置
TWI820407B (zh) 用於將經受半導體製程的基板歸類及建構相關的決定模型之方法、及相關的電腦程式
JP6432458B2 (ja) 基板処理装置、基板処理方法及び記憶媒体
JP6310263B2 (ja) 検査装置
JP5837649B2 (ja) 基板処理装置、異常処理部判定方法、プログラム及びコンピュータ記憶媒体
JP4090986B2 (ja) 線幅測定方法，基板の処理方法及び基板の処理装置
JP4914854B2 (ja) 欠陥検査方法、プログラム及びコンピュータ記憶媒体
JP6524185B2 (ja) 基板処理システム
US20240036479A1 (en) Method of determining at least a target layout and associated metrology apparatus
JP6638796B2 (ja) 基板処理装置、基板処理方法及び記憶媒体
JP2005209886A (ja) 基板処理システムにおける基板処理の管理方法及び基板処理システム
TW202314232A (zh) 基板檢查裝置、基板檢查方法及記憶媒體
JP2006147627A (ja) 露光装置の同期精度検出方法および収差検出方法